On chain graph models for description of conditional independence structures
描述条件独立结构的链图模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：文本研究概率分布的条件独立图，未提供因果解释或观测网络建模的直接依据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
描述条件独立结构的链图模型
- 研究问题
- 同时含有有向边和无向边的链图，能否完整描述离散分布的条件独立关系，其不同图分离准则之间有何逻辑联系？
- 方法与思路
- 作者定义链图的独立关系输入列表，比较道德化准则与新的直接分离准则，并研究图示独立关系的概率分布实现。
- 材料陈述的贡献
- 摘要称两种准则等价，且每个链图均存在严格正的离散分布恰好实现其独立关系，由此建立相关准则的完备性。
- 阅读关注点
- 应核对链图的环限制、独立关系闭包所用公理、直接分离准则的定义，以及严格正离散分布构造的适用范围。
- 阅读边界
- 索引摘要稿件版本未注明，未展示证明与具体分离规则；条件独立图的结果不能直接解读为因果识别或社会网络结论。
原文摘要
A chain graph (CG) is a graph admitting both directed and undirected edges with (partially) directed cycles forbidden. It generalizes both the concept of undirected graph (UG) and the concept of directed acyclic graph (DAG). A chain graph can be used to describe efficiently the conditional independence structure of a multidimensional discrete probability distribution in the form of a graphoid, that is, in the form of a list of statements “$X$ is independent of $Y$ given $Z$” obeying a set of five properties (axioms). An input list of independency statements for every CG is defined and it is shown that the classic moralization criterion for CGs embraces exactly the graphoid closure of the input list. A new direct separation criterion for reading independency statements from a CG is introduced and shown to be equivalent to the moralization criterion. Using this new criterion, it is proved that for every CG, there exists a strictly positive discrete probability distribution that embodies exactly the independency statements displayed by the graph. Thus, both criteria are shown to be complete and the use of CGs as tools for description of conditional independence structures is justified.